[发明专利]手势识别方法、装置、终端及存储介质

权利要求书

1.一种手势识别方法，其特征在于，所述方法包括：

当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号，所述指定区域包括屏幕的左下方区域、右下方区域、左上方区域和右上方区域中的至少一种；

若所述滑动轨迹指示的手势为上滑手势，则基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率，所述掀开手势指利用手背的边缘区域沿屏幕的一角向对角线方向滑动的手势，用于触发在屏幕的一角显示内容，所述指定逻辑回归模型用于基于所述触摸信号进行手势识别，所述触摸信号包括平均位置信息或位置差信息，所述平均位置信息是指所述滑动轨迹上所有位置信息的平均值，所述位置差信息是指所述滑动轨迹的初始位置与结束位置之间的位置变化量；

基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。

2.如权利要求1所述的方法，其特征在于，所述基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率之前，还包括：

多次采集不同手势的触摸信号，得到多个样本数据，所述不同手势包括所述上划手势和所述掀开手势；

基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型。

3.如权利要求2所述的方法，其特征在于，所述预设训练模型包括损失函数模型和初始化逻辑回归模型；

所述基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型，包括：

将所述多个样本数据进行量化，得到样本量化向量；

将所述样本量化向量输入至所述损失函数模型中，并采用梯度下降法通过确定所述损失函数模型的最小值来确定估计权重；

将所述估计权重输入至所述初始化逻辑回归模型中，得到所述指定逻辑回归模型。

4.如权利要求1所述的方法，其特征在于，所述基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别，包括：

确定所述第一手势概率和所述第二手势概率中的最大手势概率；

将当前的手势识别为所述最大手势概率对应的手势。

5.一种手势识别装置，其特征在于，所述装置包括：

获取模块，用于当在屏幕的指定区域上检测到通过多个触摸点触发的滑动操作时，根据滑动轨迹获取触摸信号，所述指定区域包括屏幕的左下方区域、右下方区域、左上方区域和右上方区域中的至少一种；

确定模块，用于若所述滑动轨迹指示的手势为上滑手势，则基于所述触摸信号，通过指定逻辑回归模型确定第一手势概率和第二手势概率，所述第一手势概率是指当前的手势为掀开手势的概率，所述第二手势概率是指当前的手势为上划手势的概率，所述掀开手势指利用手背的边缘区域沿屏幕的一角向对角线方向滑动的手势，用于触发在屏幕的一角显示内容，所述指定逻辑回归模型用于基于所述触摸信号进行手势识别，所述触摸信号包括平均位置信息或位置差信息，所述平均位置信息是指所述滑动轨迹上所有位置信息的平均值，所述位置差信息是指所述滑动轨迹的初始位置与结束位置之间的位置变化量；

识别模块，用于基于所述第一手势概率和所述第二手势概率，对当前的手势进行识别。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

采集模块，用于多次采集不同手势的触摸信号，得到多个样本数据，所述不同手势包括所述上划手势和所述掀开手势；

训练模块，用于基于所述多个样本数据，通过预设训练模型进行训练，得到所述指定逻辑回归模型。

7.如权利要求6所述的装置，其特征在于，所述预设训练模型包括损失函数模型和初始化逻辑回归模型；所述训练模块用于：

将所述多个样本数据进行量化，得到样本量化向量；

将所述样本量化向量输入至所述损失函数模型中，并采用梯度下降法通过确定所述损失函数模型的最小值来确定估计权重；

将所述估计权重输入至所述初始化逻辑回归模型中，得到所述指定逻辑回归模型。